Caffe配置簡明教程 ( Ubuntu 14.04 / CUDA 7.5 / cuDNN 5.1 )

1. 前言

本教程使用的系統是Ubuntu 14.04 LTS 64-bit，使用的CUDA版本爲7.5，使用的NVIDIA驅動版本爲352。

若是您使用的Pascal架構顯卡，如GTX1080或者新ttx，則必須使用更高版本的驅動和CUDA 8。本教程不適於這種狀況，請不要嘗試。

Ubuntu每兩年發佈一次LTS版本（即長期支持版），因此如今已經發布了16.04 LTS版本。鑑於不少程序在新系統下的兼容性尚未測試，本教程依然介紹的是上一個LTS版本上安裝Caffe的方法，隨後會推出針對於Ubuntu 16.04和CUDA 8的教程。

本教程不少細節已經儘可能詳細，可是仍是要求使用者有必定的Linux基礎，後續可能會推出針對於Linux新用戶的更爲詳細的教程。

2. 安裝基礎依賴項

sudo apt-get install build-essential

sudo apt-get install cmake git

3. 安裝NVIDIA驅動和CUDA7.5

從NVIDIA官網下載CUDA 7.5的deb本地安裝包：下載地址

點擊如上的連接能夠下載支持x86架構CPU和Ubuntu 14.04系統的deb本地安裝包，大小約1.9GB，若是須要其餘安裝方式能夠按官網教程進行。

下載完成後，使用Ctrl+Alt+F1進入虛擬控制檯，而後輸入用戶名和密碼登錄。

而後關閉lightdm

sudo /etc/init.d/lightdm stop

前往指定的目錄，而後執行：

sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb

sudo apt-get update

sudo apt-get install cuda

CUDA安裝包中含有NVIDIA顯卡驅動程序，會自動安裝。

安裝完成以後重啓：

sudo reboot

重啓後後，須要添加環境變量。使用gedit打開以下文檔：

sudo gedit /etc/profile

PS：只有在圖形桌面環境下才能使用gedit，若是未啓動圖形界面請使用vim等基於命令行的編輯器。

在文件末尾添加：

PATH=/usr/local/cuda/bin:$PATH
export PATH

保存完成後，執行以下命令使環境變量當即生效：

source /etc/profile

而後還須要添加lib的路徑：

sudo gedit /etc/ld.so.conf.d/cuda.conf

在文件中寫入以下內容而後保存：

/usr/local/cuda/lib64

以後執行以下命令使之生效：

sudo ldconfig

PS：上面的命令使L-D-C-O-N-F-I-G!!! 無數的人把L寫成了I，而後告訴我報錯。

執行完了這些操做以後，還能夠安裝CUDA SAMPLES來檢測CUDA是否運行正常，鑑於這不是CUDA編程教程，本教程暫不介紹。

4. 安裝其餘的一些依賴項

sudo apt-get install freeglut3-dev libx11-dev libxmu-dev libxi-dev libglu1-mesa-dev

sudo apt-get install libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev liblmdb-dev protobuf-compiler

PS：複製粘貼太長的命令能夠能由於瀏覽器的緣由致使輸入了多餘的換行符，若是複製粘貼帶有換行符的命令進Terminal，會被當作兩條命令來執行，必定要注意這一點。

5. 安裝ATLAS

本步驟能夠用OpenBLAS或者Intel MKL替代。我在E5-2690v2+GTX780的平臺上測試過這三種庫，性能相差無幾，這裏就介紹其中一種：

sudo apt-get install libatlas-base-dev

而後自動安裝完成便可。

目前intel MKL是收費軟件，OpenBLAS能夠免費下載和安裝。若是使用這兩種庫，編譯Caffe時要在Makefile.config作出對應的修改。

6. 安裝OpenCV

若是不須要使用OpenCV 3的其餘功能，使用步驟4中安裝的libopencv-dev便可。如需單獨安裝OpenCV，請點擊：這裏。

7.下載Caffe

從GitHub上直接下載Caffe的最新版

git clone https://github.com/BVLC/caffe.git

也能夠從Caffe的GitHub工程中下載Caffe的歷史版本：

https://github.com/BVLC/caffe

8. 安裝Python

先安裝相關依賴項

sudo apt-get install python-dev python-pip

轉到下載的caffe的目錄下，而後轉到python目錄下

cd python

執行以下命令：

for req in $(cat requirements.txt); do sudo pip install $req; done

等待其自動安裝便可。

9. 安裝MATLAB

下載正版matlab鏡像。

打開Terminal，建立文件夾用於掛載matlab的iso：

sudo mkdir /mnt/matlab_iso

而後掛載matlab的iso（將紅色內容根據本身的文件路徑和名稱進行修改）：

sudo mount -o loop /路徑/Matlab鏡像文件名.iso /mnt/matlab_iso

而後執行安裝程序：

sudo /mnt/matlab_iso/install

會彈出圖形化安裝界面，按步驟安裝便可，跟windows上安裝matlab基本同樣。

安裝完成後，需激活matlab。先前往matlab的安裝路徑（根據版本不一樣前往本身的安裝路徑便可，下面的路徑僅是示範）：

cd /usr/local/MATLAB/R2016a/bin

而後在sudo權限下啓動matlab（若是不在sudo下啓動，matlab會因權限不夠沒法激活）：

sudo ./matlab

而後按圖形界面提示激活便可。

激活以後，能夠爲matlab建立快捷方式：

sudo gedit /usr/share/applications/Matlab.desktop

寫入如下內容：

[Desktop Entry]
Type=Application
Name=Matlab
GenericName=Matlab 2016a
Comment=Matlab:The Language of Technical Computing
Exec=sh /usr/local/MATLAB/R2016a/bin/matlab -desktop
Icon=/路徑/Matlab.png
Terminal=false
Categories=Development;Matlab;

根據本身的狀況更改圖標路徑和matlab路徑。

10. 配置cuDNN

cuDNN須要註冊Accelerated Computing Developer Program，而後能夠免費下載。

cuDNN是The NVIDIA CUDA Deep Neural Network library，對於使用NVIDIA顯卡進行深度學習加速具備很大的性能提高，很是建議添加。

在以下地址進行註冊和下載，支持下載歷史版本：

點擊這裏

PS：另外，cuDNN在不少工程中兼容性較差，可能須要安裝特定的歷史版本。

下載後解壓縮，轉到該目錄下，執行：

sudo cp lib* /usr/local/cuda/lib64/

sudo cp cudnn.h /usr/local/cuda/include/

更新軟連接

cd /usr/local/cuda/lib64/

sudo rm -rf libcudnn.so libcudnn.so.5

sudo ln -s libcudnn.so.5.1.3 libcudnn.so.5

sudo ln -s libcudnn.so.5 libcudnn.so

PS：根據你下載的cuDNN版本不一樣，須要對如上命令中的版本進行修改，以上展現的命令是對於cuDNN 5.1.3的。

11. 編譯Caffe

在caffe目錄下，執行：

cp Makefile.config.example Makefile.config

而後打開Makefile.config，根據本身的須要修改相關參數。

若是使用了cuDNN,則以下行取消註釋：

# USE_CUDNN := 1

其餘能夠根據需求修改，好比安裝了MATLAB後寫入正確的MATLAB安裝路徑等。

而後進行編譯：

make all -j10

make test

make runtest

PS：-j10指10線程同時編譯，根據本身CPU的特色調整該參數，若是不瞭解本身CPU，直接執行make便可。

而後能夠根據需求編譯matcaffe和pycaffe：

make matcaffe

make pycaffe

而後caffe就安裝結束了。

12. 運行minist demo

轉到 Caffe 目錄下

sh data/mnist/get_mnist.sh

sh examples/mnist/create_mnist.sh

sh examples/mnist/train_lenet.sh

若是運行正常，caffe就能夠正常工做了。

 

本教程編寫參考了以下教程，特此鳴謝：

http://www.cnblogs.com/platero/p/3993877.html

http://www.linuxidc.com/Linux/2011-01/31632.htm

http://blog.csdn.net/xanxus46/article/details/7945993

 

Caffe的官方網站是 http://caffe.berkeleyvision.org/

 

若是有任何問題能夠聯繫我：yaoyaoliu AT outlook.com

 

最近更新於2016-09-23 16:59:31